論文の概要: Hybrid Quantum-Classical Machine Learning with String Diagrams

• arxiv url: http://arxiv.org/abs/2407.03673v1
• Date: Thu, 4 Jul 2024 06:37:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-08 19:02:03.739157
• Title: Hybrid Quantum-Classical Machine Learning with String Diagrams
• Title（参考訳）: 文字列ダイアグラムを用いたハイブリッド量子古典機械学習
• Authors: Alexander Koziell-Pipe, Aleks Kissinger,
• Abstract要約: 本稿では,文字列ダイアグラムの観点からハイブリッドアルゴリズムを記述するための公式なフレームワークを開発する。 弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。
• 参考スコア（独自算出の注目度）: 49.1574468325115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Central to near-term quantum machine learning is the use of hybrid quantum-classical algorithms. This paper develops a formal framework for describing these algorithms in terms of string diagrams: a key step towards integrating these hybrid algorithms into existing work using string diagrams for machine learning and differentiable programming. A notable feature of our string diagrams is the use of functor boxes, which correspond to a quantum-classical interfaces. The functor used is a lax monoidal functor embedding the quantum systems into classical, and the lax monoidality imposes restrictions on the string diagrams when extracting classical data from quantum systems via measurement. In this way, our framework provides initial steps toward a denotational semantics for hybrid quantum machine learning algorithms that captures important features of quantum-classical interactions.
• Abstract（参考訳）: 短期量子機械学習の中心は、ハイブリッド量子古典アルゴリズムの利用である。 本稿では,これらのアルゴリズムを文字列ダイアグラムの観点から記述するための公式なフレームワークを開発する。 弦図の特筆すべき特徴は、量子古典的インタフェースに対応する関手ボックスの使用である。 使用される関手は古典的な量子系に量子系を埋め込んだラックスモノイダル関手であり、ラックスモノイダル性は測定によって古典的なデータを抽出する際に弦図に制限を課す。 このようにして、我々のフレームワークは、量子-古典的相互作用の重要な特徴を捉えるハイブリッド量子機械学習アルゴリズムのための意味論的意味論への最初のステップを提供する。

関連論文リスト

• Quantum Machine Learning: Quantum Kernel Methods [0.0]
  カーネルメソッドは古典的な機械学習において強力で一般的なテクニックである。 量子コンピュータ上でしか効率的に計算できない量子特徴空間を使用することで、量子上の優位性を導出することができる。 データ依存型投影量子カーネルは、古典的カーネルに対して大きな利点をもたらすことが示されている。
  論文  参考訳（メタデータ） (2024-05-02T23:45:29Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• The Quantum Path Kernel: a Generalized Quantum Neural Tangent Kernel for Deep Quantum Machine Learning [52.77024349608834]
  古典的なディープニューラルネットワークの量子アナログを構築することは、量子コンピューティングにおける根本的な課題である。 鍵となる問題は、古典的なディープラーニングの本質的な非線形性にどのように対処するかである。 我々は、深層機械学習のこれらの側面を複製できる量子機械学習の定式化であるQuantum Path Kernelを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T16:06:24Z)
• Anticipative measurements in hybrid quantum-classical computation [68.8204255655161]
  量子計算を古典的な結果によって補う手法を提案する。 予測の利点を生かして、新しいタイプの量子測度がもたらされる。 予測量子測定では、古典計算と量子計算の結果の組み合わせは最後にのみ起こる。
  論文  参考訳（メタデータ） (2022-09-12T15:47:44Z)
• Exploring ab initio machine synthesis of quantum circuits [0.0]
  ゲートレベルの量子回路は、しばしば高レベルアルゴリズムから手動で導かれる。 本稿では,機械内における回路の初期生成手法について検討する。
  論文  参考訳（メタデータ） (2022-06-22T17:48:29Z)
• Diagrammatic Differentiation for Quantum Machine Learning [0.19336815376402716]
  位相パラメータに関して線形写像の勾配を図式的に計算する方法を示す。 パラメトリス量子回路の図では、よく知られたパラメータシフト規則が得られる。 次に,本手法をハイブリッド古典量子回路の自動微分に拡張する。
  論文  参考訳（メタデータ） (2021-03-14T16:04:56Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier [0.0]
  本稿では,ネットワークのパラメータを最適化するために,量子勾配降下法と急勾配降下法を組み合わせた新しいハイブリッド型変分量子分類器を提案する。 このアルゴリズムは、古典的ニューラルネットワークや、量子最適化法で訓練された量子機械学習法よりも優れた学習結果が得られる。
  論文  参考訳（メタデータ） (2020-10-14T18:05:49Z)
• Quantum circuit-like learning: A fast and scalable classical machine-learning algorithm with similar performance to quantum circuit learning [0.0]
  量子回路学習(QCL)と同じヒルベルト空間を用いた古典的機械学習アルゴリズムを提案する。 数値シミュレーションにおいて,提案アルゴリズムは複数のMLタスクに対するQCLに類似した性能を示す。
  論文  参考訳（メタデータ） (2020-03-24T05:19:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。